50 4.1 Profil Perusahaan
4.1.1 Sejarah Singkat Perusahaan
PT. Sebastian Citra Indonesia merupakan salah satu produsen frozen dough yang di supply ke outlet-outlet dengan brand Roti’O. PT. Sebastian Citra Indonesia berlokasi di Jl. Semanan Raya No.27 RT.004/008, Kalideres, Jakarta Barat. Status badan hukum perusahaan berbentuk perseroan terbatas (PT) dan didirikan berdasarkan akta notaris dengan surat ijin dari Dinas Koperasi, Usaha Mikro, Kecil dan Menengah dan Perdagangan Pemerintah Provinsi DKI Jakarta, sebagai berikut :
1. SIUP No. : 07189 - 03/ PK / 1.824.271 2. TDP No. : 09.12.1.46.31378
PT. Sebastian Citra Indonesia baru memulai produksinya pada tanggal 16 April 2012. Adapun Roti’O ini merupakan sejenis roti manis dengan isi butter yang diberi topping cream coffee. Saat ini hanya tersedia 1 jenis produk yaitu adonan beku dengan isi butter cream coffee untuk topping. Pelayanan dan kepuasan yang baik adalah komitmen perusahaan kepada pelanggan, salah satunya dengan penyediaan produk dengan kualitas dan hasil yang hygienis merupakan salah satu cara dari perusahaan untuk menunjukkan bahwa pelanggan merupakan asset terpenting baginya, untuk lebih menyakinkan pelanggan bahwa produk yang diproduksi adalah produk yang terbuat dari bahan-bahan terpilih dan
Halal. Saat ini Outlet Roti’O dibuka di Stasiun Kota Jakarta, Stasiun Bandung, Bandara Husein Sastranegara Bandung.
4.1.2 Visi dan Misi Perusahaan Visi Perusahaan
• Menyebarluaskan Roti’O ke seluruh Indonesia dan memberikan kepuasan kepada konsumen.
Misi Perusahaan
• Menjaga dan mempertahankan kualitas produk dan memberikan pelayanan yang terbaik kepada pelanggan.
4.1.3 Analisis Struktur Organisasi dan Uraian Pekerjaan
Struktur organisasi dari PT. Sebastian Citra Indonesia digambarkan pada gambar 4.1.
Gambar 4.1 Bagan Struktur Organisasi PT. Sebastian Citra Indonesia Sumber : Data PT. Sebastian Citra Indonesia (2012)
General Manager
Bagian HRD
Bagian Operasional Bagian
Keuangan
Accounting dan keuangan
Administrasi Gudang dan Marketing
Penerimaan Barang Produksi
Pembelian
Tugas dan tanggung jawab dari struktur organisasi adalah sebagai berikut : 1. General Manager
• Merencanakan strategi yang digunakan dalam mewujudkan visi dan misi perusahaan.
• Mengatur, mengawasi, dan mengevaluasi seluruh aktivitas yang dilaksanakan oleh setiap divisi di dalam perusahaan.
• Menentukan solusi terhadap permasalahan yang dihadapi perusahaan.
2. Bagian Keuangan
• Melakukan perencanaan anggaran perusahaan dan menganalisa laporan keuangan.
• Mengevaluasi perhitungan kewajiban pajak sesuai dengan undang- undang perpajakan.
• Mengatur kelancaran pembayaran tagihan dan menjamin ketersediaan kas demi kelancaran kegiatan operasional perusahaan.
• Bertanggungjawab atas keuangan perusahaan.
3. Bagian HRD
• Menangani absensi karyawan, perhitungan gaji dan tunjangan diperusahaan.
• Memberikan pelatihan kepada semua karyawan sesuai dengan bidangnya untuk meningkatkan keterampilan dan pengetahuan sesuai dengan standar perusahaan.
• Melakukan pengawasan terhadap prosedur pelaksanaan kerja.
4. Bagian Operasional
• Merencanakan dan mengevaluasi kegiatan operasional produksi secara menyeluruh di perusahaan.
• Melakukan pengendalian biaya operasional perusahaan agar tidak melewati batas anggaran yang ditetapkan perusahaan.
• Melakukan pemeriksaan terhadap laporan dari bagian produksi, pembelian, gudang dan penerimaan barang.
5. Marketing
• Bertanggungjawab terhadap pendapatan hasil penjualan perusahaan.
• Menentukan strategi pemasaran yang efektif dan efisien dengan memperhatikan sumberdaya perusahaan.
• Membuat perkiraan tentang permintaan pasar pada masa yang akan datang.
• Menjalin hubungan baik dengan pelanggan khususnya dalam hal penanganan komplain.
6. Gudang dan Penerimaan Barang
• Mancatat dan mengontrol jumlah barang yang masuk dan keluar di gudang.
• Menerima dan memeriksa barang yang dikirim supplier.
• Mempersiapkan bahan baku untuk produksi.
• Membuat laporan persediaan yang ada di gudang.
7. Produksi
• Memastikan produksi dapat berjalan dengan lancar dan sesuai jadwal.
• Melaporkan kerusakan mesin dan masalah lain yang berhubungan dengan produksi.
• Memastikan kualitas produksi sesuai dengan standar yang ditetapkan perusahaan.
• Bertanggungjawab kepada manajer operasional atas hal yang berkaitan dengan produksi di perusahaan.
8. Pembelian
• Merencanakan pembelian bahan baku, dan penolong yang akan digunakan dalam melakukan produksi pada perusahaan.
• Melakukan pengecekan harga bahan baku dari supplier sebelum melakukan pembelian.
• Bertanggungjawab kepada manajer operasional atas hal yang berkaitan dengan pembelian bahan baku di perusahaan.
4.1.4 Bisnis Proses dan Uraian Proses Produksi
Gambar 4.2 Proses Pembuatan Roti’O Sumber : Data PT. Sebastian Citra Indonesia (2012)
Bahan Baku
Ayak Tepung Cuci & Pecah Telur
Penimbangan
Pengadukan/mixing
Pembagian/Pembulatan
Pengisian
Penyusunan
Pendinginan
Packing
Penyimpanan dingin
Berdasarkan gambar diatas dijelaskan cara pembuatan Roti’O dari PT. Sebastian Citra Indonesia, sebagai berikut :
1. Bahan baku yang digunakan dalam membuat Roti’O di antar dari gudang ke pabrik.
2. Kemudian dilakukan penimbangan dari masing-masing bahan baku sebagai takaran dalam satu kali produksi. Tepung terigu yang digunakan dalam 1 kali produksi sebanyak 50 kg untuk persediaan selama 2-3 hari.
3. Setelah semua bahan ditakar, tepung terigu diayak menggunakan mesin ayak tepung di pabrik, selanjutnya telur dicuci dan dipecahkan ke dalam satu wadah.
4. Tepung yang sudah diayak kemudian di campur ke wadah dimana telur dipecahkan bersama bahan baku lain yang diperlukan. Kemudian dilakukan proses pencampuran (mixing) dari bahan-bahan yang telah di campur ke wadah telur dipecahkan.
5. Proses selanjutnya adalah melakukan pembulatan dari hasil mixing tersebut dimana hasil mixing akan dibagikan menjadi bagian-bagian kecil dan dibentuk bulat.
6. Setelah bulatan terbentuk, akan dilakukan pengisian mentega secara manual menggunakan tangan, kemudian disusun ke dalam loyang dan dimasukkan ke freezer untuk dibekukan selama kurang lebih setengah jam.
Maka terbentuklah adonan Roti’O yang siap dipanggang dalam bentuk adonan beku.
7. Adonan beku yang siap dipanggang, kemudian diantar ke outlet-outlet sesuai dengan jumlah permintaan per outlet dan akan di simpan kembali di frozen bunz yang ada di outlet, lalu didiamkan menggunakan suhu ruang yang telah diatur kurang lebih 4,5 jam sampai adonan mengembang sekitar 30-40 persen.
8. Selanjutnya adonan yang telah mengembang tersebut diproses untuk pengembangan yang lebih besar kemudian dilakukan pelembutan adonan dengan mesin proofer.
9. Adonan akan diproofer kurang lebih 1 jam sampai kondisi buns (adonan beku) mengembang hingga 80 persen, kemudian dilanjutkan dengan proses piping (proses pemakaian cream). Setelah itu adonan Roti’O siap dipanggang di oven kurang lebih 12 – 15 menit.
10. Setelah Roti’O matang dan dikeluarkan dari oven, roti harus dikipas agar permukaannya mejadi crispy kemudian roti siap dipacking ke paper bag.
4.2 Analisis Data
Data penjualan dari outlet Stasiun Kota Jakarta, Outlet Stasiun Bandung, dan Outlet Bandara Husein Sastranegara Bandung pada tahun 2012 adalah sebagai berikut :
Tabel 4.1 Data Penjualan Roti’O Outlet Stasiun Kota Jakarta Tahun 2012
Bulan Penjualan
Mei 1.826
Juni 6.089
Juli 5.268
Agustus 5.083
September 5.696
Oktober 6.510
Total Penjualan 30.472
Sumber : Data PT. Sebastian Citra Indonesia (2012)
Target penjualan per bulan sebanyak 5400 buns roti (180 buns roti per hari), dibuka pada tanggal 25 Mei 2012.
Tabel 4.2 Data Penjualan Roti’O Outlet Stasiun Bandung Tahun 2012
Bulan Penjualan
Juni 7.268
Juli 8.354
Agustus 8.186
September 8.071
Oktober 8.891
Total Penjualan 40.770
Sumber : Data PT. Sebastian Citra Indonesia (2012)
Target penjualan per bulan sebanyak 7.500 buns roti (250 buns roti per hari), dibuka pada tanggal 2 Juni 2012.
Tabel 4.3 Data Penjualan Roti’O Outlet Bandara Husein Sastranegara Bandung
Bulan Penjualan
Juni 2.062
Juli 3.657
Agustus 3.551
September 4.735
Oktober 4.802
Total Penjualan 18.807
Sumber : Data PT. Sebastian Citra Indonesia (2012)
Target penjualan per bulan sebanyak 3.600 buns roti (120 buns roti per hari), dibuka pada tanggal 14 Juni 2012.
4.3 Menghitung Peramalan Menggunakan Software QM for Windows
Peramalan penjualan terhadap Roti’O akan dihitung menggunakan software QM (Quantitative Management) for Windows. Peramalan penjualan tersebut dihitung menggunakan metode yang terdapat pada peramalan, antara lain :
• Linear Regression,
• Moving Average,
• Weighted Moving Average,
• Exponential Smoothing,
• Exponential Smoothing with Trend,
• Naive Method
4.3.1 Menghitung Peramalan Penjualan pada Outlet Stasiun Kota Jakarta 4.3.1.1 Menghitung Peramalan pada Outlet Stasiun Kota Jakarta dengan Metode Linear Regression
Hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Linear Regression dapat dilihat pada gambar dibawah ini.
Gambar 4.3 Hasil Perhitungan Software QM for Windows dengan Metode Linear Regression (Stasiun Kota Jakarta, November 2012)
Sumber : Hasil Pengolahan Data (2012)
4.3.1.2 Menghitung Peramalan pada Outlet Stasiun Kota Jakarta dengan Metode Moving Average
Hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Moving Average dapat dilihat pada gambar dibawah ini.
Gambar 4.4 Hasil Perhitungan Software QM for Windows dengan Metode Moving Average (Stasiun Kota Jakarta, November 2012)
Sumber : Hasil Pengolahan Data, (2012)
4.3.1.3 Menghitung Peramalan pada Outlet Stasiun Kota Jakarta dengan Metode Weighted Moving Average
Hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Weighted Moving Average dengan bobot 0,5, 0,3, 0,2 dapat dilihat pada gambar dibawah ini.
Gambar 4.5 Hasil Perhitungan Software QM for Windows dengan Metode Weighted Moving Average (Stasiun Kota Jakarta, November 2012) Sumber : Hasil Pengolahan Data, (2012)
4.3.1.4 Menghitung Peramalan pada Outlet Stasiun Kota Jakarta dengan Metode Exponential Smoothing
Hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Exponential Smoothing dengan Alpha 0,3 dapat dilihat pada gambar dibawah ini.
Gambar 4.6 Hasil Perhitungan Software QM for Windows dengan Metode Exponential Smoothing (Stasiun Kota Jakarta, November 2012) Sumber : Hasil Pengolahan Data, (2012)
4.3.1.5 Menghitung Peramalan pada Outlet Stasiun Kota Jakarta dengan Metode Exponential Smoothing with Trend
Hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Exponential Smoothing with Trend dengan Alpha 0,3 dan Beta 0,2 dapat dilihat pada gambar dibawah ini.
Gambar 4.7 Hasil Perhitungan Software QM for Windows dengan Metode Exponential Smoothing with Trend (Stasiun Kota Jakarta, November 2012) Sumber : Hasil Pengolahan Data, (2012)
4.3.1.6 Menghitung Peramalan pada Outlet Stasiun Kota Jakarta dengan Naive Method
Hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta untuk bulan November 2012 dengan menggunakan Software QM for Windows pada Naive Method dapat dilihat pada gambar dibawah ini.
Gambar 4.8 Hasil Perhitungan Software QM for Windows dengan Naive Method (Stasiun Kota Jakarta, November 2012)
Sumber : Hasil Pengolahan Data, (2012)
4.3.2 Menghitung Peramalan Penjualan pada Outlet Stasiun Bandung
4.3.2.1 Menghitung Peramalan pada Outlet Stasiun Bandung dengan Metode Linear Regression
Hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Bandung untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Linear Regression dapat dilihat pada gambar dibawah ini.
Gambar 4.9 Hasil Perhitungan Software QM for Windows dengan Metode Linear Regression (Stasiun Bandung, November 2012)
Sumber : Hasil Pengolahan Data (2012)
4.3.2.2 Menghitung Peramalan pada Outlet Stasiun Bandung dengan Metode Moving Average
Hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Bandung untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Moving Average dapat dilihat pada gambar dibawah ini.
Gambar 4.10 Hasil Perhitungan Software QM for Windows dengan Metode Moving Average (Stasiun Bandung, November 2012)
Sumber : Hasil Pengolahan Data (2012)
4.3.2.3 Menghitung Peramalan pada Outlet Stasiun Bandung dengan Metode Weighted Moving Average
Hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Bandung bulan November 2012 dengan menggunakan Software QM for Windows pada metode Weighted Moving Average dengan bobot 0,5, 0,3, 0,2 dapat dilihat pada gambar dibawah ini.
Gambar 4.11 Hasil Perhitungan Software QM for Windows dengan Metode Weighted Moving Average (Stasiun Bandung, November 2012) Sumber : Hasil Pengolahan Data (2012)
4.3.2.4 Menghitung Peramalan pada Outlet Stasiun Bandung dengan Metode Exponential Smoothing
Hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Bandung untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Exponential Smoothing dengan Alpha 0,3 dapat dilihat pada gambar dibawah ini.
Gambar 4.12 Hasil Perhitungan Software QM for Windows dengan Metode Exponential Smoothing (Stasiun Bandung, November 2012)
Sumber : Hasil Pengolahan Data (2012)
4.3.2.5 Menghitung Peramalan pada Outlet Stasiun Bandung dengan Metode Exponential Smoothing with Trend
Hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Bandung untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Exponential Smoothing with Trend dengan Alpha 0,3 dan Beta 0,2 dapat dilihat pada gambar dibawah ini.
Gambar 4.13 Hasil Perhitungan Software QM for Windows dengan Metode Exponential Smoothing with Trend (Stasiun Bandung, November 2012) Sumber : Hasil Pengolahan Data (2012)
4.3.2.6 Menghitung Peramalan pada Outlet Stasiun Bandung dengan Naive Method
Hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Bandung untuk bulan November 2012 dengan menggunakan Software QM for Windows pada Naive Method dapat dilihat pada gambar dibawah ini.
Gambar 4.14 Hasil Perhitungan Software QM for Windows dengan Naive Method (Stasiun Bandung, November 2012)
Sumber : Hasil Pengolahan Data (2012)
4.3.3 Menghitung Peramalan Penjualan pada Outlet Bandara Husein Sastranegara Bandung
4.3.3.1 Menghitung Peramalan pada Outlet Bandara Husein Sastranegara Bandung dengan Metode Linear Regression
Hasil perhitungan peramalan penjualan Roti’O pada outlet Bandara Husein Sastranegara Bandung untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Linear Regression dapat dilihat pada gambar dibawah ini.
Gambar 4.15 Hasil Perhitungan Software QM for Windows dengan Metode Linear Regression (Bandara Husein Sastranegara Bandung, November 2012) Sumber : Hasil Pengolahan Data (2012)
4.3.3.2 Menghitung Peramalan pada Outlet Bandara Husein Sastranegara Bandung dengan Metode Moving Average
Hasil perhitungan peramalan penjualan Roti’O pada outlet Bandara Husein Sastranegara Bandung untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Moving Average dapat dilihat pada gambar dibawah ini.
Gambar 4.16 Hasil Perhitungan Software QM for Windows dengan Metode Moving Average (Bandara Husein Sastranegara Bandung, November 2012) Sumber : Hasil Pengolahan Data (2012)
4.3.3.3 Menghitung Peramalan pada Outlet Bandara Husein Sastranegara Bandung dengan Metode Weighted Moving Average
Hasil perhitungan peramalan penjualan Roti’O pada outlet Bandara Husein Sastranegara Bandung untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Weighted Moving Average dengan bobot 0,5, 0,3, 0,2 dapat dilihat pada gambar dibawah ini.
Gambar 4.17 Hasil Perhitungan Software QM for Windows dengan Metode Weighted Moving Average (Bandara Husein Sastranegara Bandung,
November 2012) Sumber : Hasil Pengolahan Data (2012)
4.3.3.4 Menghitung Peramalan pada Outlet Bandara Husein Sastranegara Bandung dengan Metode Exponential Smoothing
Hasil perhitungan peramalan penjualan Roti’O pada outlet Bandara Husein Sastranegara Bandung untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Exponential Smoothing dengan Alpha 0,3 dapat dilihat pada gambar dibawah ini.
Gambar 4.18 Hasil Perhitungan Software QM for Windows dengan Metode Exponential Smoothing (Bandara Husein Sastranegara Bandung, November
2012) Sumber : Hasil Pengolahan Data (2012)
4.3.3.5 Menghitung Peramalan pada Outlet Bandara Husein Sastranegara Bandung dengan Metode Exponential Smoothing with Trend
Hasil perhitungan peramalan penjualan Roti’O pada outlet Bandara Husein Sastranegara Bandung untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Exponential Smoothing with Trend dengan Alpha 0,3 dan Beta 0,2 dapat dilihat pada gambar dibawah ini.
Gambar 4.19 Hasil Perhitungan Software QM for Windows dengan Metode Exponential Smoothing with Trend (Bandara Husein Sastranegara Bandung,
November 2012) Sumber : Hasil Pengolahan Data (2012)
4.3.3.6 Menghitung Peramalan pada Outlet Bandara Husein Sastranegara Bandung dengan Naive Method
Hasil perhitungan peramalan penjualan Roti’O pada outlet Bandara Husein Sastranegara Bandung untuk bulan November 2012 dengan menggunakan Software QM for Windows pada metode Naive Method dapat dilihat pada gambar dibawah ini.
Gambar 4.20 Hasil Perhitungan Software QM for Windows dengan Naive Method (Bandara Husein Sastranegara Bandung, November 2012) Sumber : Hasil Pengolahan Data (2012)
4.4 Menghitung Peramalan dengan Manual
Setelah melakukan perhitungan peramalan dengan Software QM for Windows, selanjutnya akan dilakukan perhitungan peramalan dengan manual untuk membandingkan hasil peramalan Software QM for Windows dan manual apakah hasil perhitungan tersebut memiliki perbedaan nilai yang jauh. Peramalan penjualan terhadap Roti’O akan dihitung dengan manual menggunakan metode yang terdapat pada peramalan, antara lain :
• Linear Regression,
• Moving Average,
• Weighted Moving Average,
• Exponential Smoothing,
• Exponential Smoothing with Trend,
• Naive Method
4.4.1 Menghitung Peramalan Penjualan pada Outlet Stasiun Kota Jakarta 4.4.1.1 Menghitung Peramalan pada Outlet Stasiun Kota Jakarta dengan Metode Linear Regression
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta untuk bulan November 2012 dengan metode Linear Regression dapat dilihat pada tabel dibawah ini.
Tabel 4.4 Hasil Perhitungan Manual dengan Metode Linear Regression (Stasiun Kota Jakarta, November 2012)
Bulan Periode (X)
Penjualan
(Yt) X2 X.Y Ft Yt – Ft
Mei 1 1.826 1 1.826 3.503,25 1.677,25
Juni 2 6.089 4 12.178 4.133,42 1.955,58
Juli 3 5.268 9 15.804 4.763,59 504,41
Agustus 4 5.083 16 20.332 5.393,76 310,76 September 5 5.696 25 28.480 6.023,93 327,93 Oktober 6 6.510 36 39.060 6.654,10 144,10
Jumlah 21 30.472 91 117.680 4.920.03
Sumber : Hasil Pengolahan Data, (2012)
x
5 , 6 3 21 6
x = =
=
∑
67 , 078 . 6 5
472 . 30 6
y = =
=
∑
A =630,17
) (6).(3,5 -
91
(5.078,67) (6).(3.5).
- 117.680
= 2
a = – bx
= 5.078,67 – (630,17).( 3,5) = 2.873,08
Y7 = 2.873,08 + (630,17).(7)
n
| peramalan -
aktual
= |
MAD
∑
6 03 , 920 .
= 4
820,01
=
n
| peramalan kesalahan
= | MSE
∑
26 82 7.116.764,
=
47 1.186.127,
=
4.4.1.2 Menghitung Peramalan pada Outlet Stasiun Kota Jakarta dengan Metode Moving Average
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta untuk bulan November 2012 dengan metode Moving Average dapat dilihat pada tabel dibawah ini.
Tabel 4.5 Hasil Perhitungan Manual dengan Metode Moving Average (Stasiun Kota Jakarta, November 2012)
Bulan Periode (X) Penjualan
(Yt) Ft Yt – Ft
Mei 1 1.826 - -
Juni 2 6.089 - -
Juli 3 5.268 - -
Agustus 4 5.083 4.394,33 688,67
September 5 5.696 5.480 216
Oktober 6 6.510 5.349 1.161
November 7 - 5.763 -
Jumlah 2.065,67
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
3 2.065,67
=
688,56
=
n
| peramalan kesalahan
MSE |
∑
2=
3 37 1.868.843,
=
622.947,80
=
4.4.1.3 Menghitung Peramalan pada Outlet Stasiun Kota Jakarta dengan Metode Weighted Moving Average
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta untuk bulan November 2012 dengan metode Weighted Moving Average dengan bobot 0,5, 0,3, 0,2 dapat dilihat pada tabel dibawah ini.
Tabel 4.6 Hasil Perhitungan Manual dengan Metode Weighted Moving Average (Stasiun Kota Jakarta, November 2012)
Bulan Periode (X) Penjualan
(Yt) Ft Yt – Ft
Mei 1 1.826 - -
Juni 2 6.089 - -
Juli 3 5.268 - -
Agustus 4 5.083 4.825,9 257,1
September 5 5.696 5.339,7 356,3
Oktober 6 6.510 5.426,5 1.083,5
November 7 - 5.980,4 -
Jumlah 1.696.9
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
3 1.696,9
=
565,63
=
n
| peramalan kesalahan
MSE |
∑
2=
3 35 1.367.022,
=
455.674,12
=
4.4.1.4 Menghitung Peramalan pada Outlet Stasiun Kota Jakarta dengan Metode Exponential Smoothing
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta untuk bulan November 2012 dengan metode Exponential Smoothing dengan Alpha 0,3 dapat dilihat pada tabel dibawah ini.
Tabel 4.7 Hasil Perhitungan Manual dengan Metode Exponential Smoothing (Stasiun Kota Jakarta, November 2012)
Bulan Periode (X) Penjualan
(Yt) Ft Yt – Ft
Mei 1 1.826 - -
Juni 2 6.089 1.826 4.263
Juli 3 5.268 3.104,9 2.163,1
Agustus 4 5.083 3.753,83 1.329,17
September 5 5.696 4.152,58 1.543,42
Oktober 6 6.510 4.615,61 1.894,39
November 7 - 5.183,93 -
Jumlah 11.193.08
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
5 11.193,08
=
2.238,62
=
n
| peramalan kesalahan
MSE |
∑
2=
5 ,27 30.589.722
=
45 6.117.944,
=
4.4.1.5 Menghitung Peramalan pada Outlet Stasiun Kota Jakarta dengan Metode Exponential Smoothing with Trend
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta untuk bulan November 2012 dengan metode Exponential Smoothing with Trend dengan Alpha 0,3 dan Beta 0,2 dapat dilihat pada tabel dibawah ini.
Tabel 4.8 Hasil Perhitungan Manual dengan Metode Exponential Smoothing with Trend (Stasiun Kota Jakarta, November 2012)
Bulan Periode (X)
Penjualan
(Yt) Ft Tt
FIT = Ft + Tt
Yt - FIT
Mei 1 1.826 - - - -
Juni 2 6.089 1.826 0 1.826 4.263
Juli 3 5.268 3.104,9 255,78 3.360,68 1.907,32 Agustus 4 5.083 3.932,88 370,22 4.303,01 779,99 September 5 5.696 4.537,07 417,01 4.954,08 741,92 Oktober 6 6.510 5.176,66 461,53 5.638,19 871,81
November 7 - 5.899,73 513,84 6.413,57 -
Jumlah 8564.04
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
5 8.564.04
=
1.712.81
=
n
| peramalan kesalahan
MSE |
∑
2=
5 ,95 23.729.920
19 4.745.984,
=
4.4.1.6 Menghitung Peramalan pada Outlet Stasiun Kota Jakarta dengan Naive Method
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta untuk bulan November 2012 dengan Naive Method dapat dilihat pada tabel dibawah ini.
Tabel 4.9 Hasil Perhitungan Manual dengan Naive Method (Stasiun Kota Jakarta, November 2012
Bulan Periode (X) Penjualan
(Yt) Ft Yt – Ft
Mei 1 1.826 - -
Juni 2 6.089 1.826 4.263
Juli 3 5.268 6.089 821
Agustus 4 5.083 5.268 185
September 5 5.696 5.083 613
Oktober 6 6.510 5.696 814
November 7 - 6.510 -
Jumlah 6696
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
5 6.696
=
1.339,2
=
n
| peramalan kesalahan
MSE |
∑
2=
5 19.919.800
=
1.339,2
=
4.4.2 Menghitung Peramalan Penjualan pada Outlet Stasiun Bandung
4.4.2.1 Menghitung Peramalan pada Outlet Stasiun Bandung dengan Metode Linear Regression
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Stasiun Bandung untuk bulan November 2012 dengan metode Linear Regression dapat dilihat pada tabel dibawah ini.
Tabel 4.10 Hasil Perhitungan Manual dengan Metode Linear Regression (Stasiun Bandung, November 2012)
Bulan Periode (X)
Penjualan
(Yt) X2 X.Y Ft Yt – Ft
Juni 1 7.268 1 7.286 7.561,4 293,4
Juli 2 8.354 4 16.708 7.857,7 496,3
Agustus 3 8.186 9 24.558 8.154 32
September 4 8.071 16 32.284 8.450,3 379,3
Oktober 5 8.891 25 44.455 8.746,6 144,4
Jumlah 15 30.472 55 125.273 1.345,4
Sumber : Hasil Pengolahan Data, (2012)
x
5 3 15 6
x = =
=
∑
154 . 5 8
40.770 6
y = =
=
∑
3 , ) 296
(5).(3 - 55
.154) (5).(3).(8 -
125.273
2 =
=
a = - bx
a = 8.154 – (296,3).( 3) a = 7.265,1
Y6 = 7.265,1+ (296,3).(6)
= 9.042,9
n
| peramalan -
aktual
= |
MAD
∑
5 1.345,4
=
269,08
=
n
| peramalan kesalahan
MSE |
∑
2=
5 498.141,1
=
99.628,22
=
4.4.2.2 Menghitung Peramalan pada Outlet Stasiun Bandung dengan Metode Moving Average
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Stasiun Bandung untuk bulan November 2012 dengan metode Moving Average dapat dilihat pada tabel dibawah ini.
Tabel 4.11 Hasil Perhitungan Manual dengan Metode Moving Average (Stasiun Bandung, November 2012)
Bulan Periode (X) Penjualan
(Yt) Ft Yt – Ft
Juni 1 7.268 - -
Juli 2 8.354 - -
Agustus 3 8.186 - -
September 4 8.071 7. 936 135
Oktober 5 8.891 8.203,67 687,33
November 6 - 8.382,67 -
Jumlah 822.33
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
= 5
822,33
411,17
=
n
| peramalan kesalahan
MSE |
∑
2=
= 2
490.647,53
245.323,77
=
4.4.2.3 Menghitung Peramalan pada Outlet Stasiun Bandung dengan Metode Weighted Moving Average
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Stasiun Bandung untuk bulan November 2012 dengan metode Weighted Moving Average dengan bobot 0,5, 0,3, 0,2 dapat dilihat pada tabel dibawah ini.
Tabel 4.12 Hasil Perhitungan Manual dengan Metode Weighted Moving Average (Stasiun Bandung, November 2012)
Bulan Periode (X) Penjualan
(Yt) Ft Yt – Ft
Juni 1 7.268 - -
Juli 2 8.354 - -
Agustus 3 8.186 - -
September 4 8.071 8.052,8 18,2
Oktober 5 8.891 8.164,6 728,9
November 6 - 8.504 -
Jumlah 747,1
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
= 2 747,1
373,55
=
n
| peramalan kesalahan
MSE |
∑
2=
= 2
531.626,45
265.813,23
=
4.4.2.4 Menghitung Peramalan pada Outlet Stasiun Bandung dengan Metode Exponential Smoothing
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Stasiun Bandung untuk bulan November 2012 dengan metode Exponential Smoothing dengan Alpha 0,3 dapat dilihat pada tabel dibawah ini.
Tabel 4.13 Hasil Perhitungan Manual dengan Metode Exponential Smoothing (Stasiun Bandung, November 2012)
Bulan Periode (X) Penjualan
(Yt) Ft Yt – Ft
Juni 1 7.268 - -
Juli 2 8.354 7.268 1.086
Agustus 3 8.186 7.593,8 592,2
September 4 8.071 7.771,46 299,54
Oktober 5 8.891 7.861,32 1.029,68
November 6 - 8.170,22 -
Jumlah 3.007,42
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
= 4
3007,42
751,85
=
n
| peramalan kesalahan
MSE |
∑
2=
= 4
95 , 061 . 680 . 2
670.014,46
=
4.4.2.5 Menghitung Peramalan pada Outlet Stasiun Bandung dengan Metode Exponential Smoothing with Trend
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Stasiun Bandung untuk bulan November 2012 dengan metode Exponential Smoothing with Trend dengan Alpha 0,3 dan Beta 0,2 dapat dilihat pada tabel dibawah ini.
Tabel 4.14 Hasil Perhitungan Manual dengan Metode Exponential Smoothing with Trend (Stasiun Bandung, November 2012)
Bulan Periode (X)
Penjualan
(Yt) Ft Tt
FIT = Ft + Tt
Yt - FIT
Juni 1 7.268 - - - -
Juli 2 8.354 7.268 0 7.268 1.086
Agustus 3 8.186 7.593,8 65,16 7.658,96 527,04
September 4 8.071 7.818,07 96,98 7.915,05 155,95 Oktober 5 8.891 7.961,83 106,34 8.068,17 822,83
November 6 - 8.315,02 155,71 8.470,73 -
Jumlah 2.591,82
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
= 4
2591,82
96 ,
= 647
n
| peramalan kesalahan
MSE |
∑
2=
= 4
77 2.158.536,
539.634,19
=
4.4.2.6 Menghitung Peramalan pada Outlet Stasiun Bandung dengan Naive Method
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Stasiun Bandung untuk bulan November 2012 dengan Naive Method dapat dilihat pada tabel dibawah ini
Tabel 4.15 Hasil Perhitungan Manual dengan Naive Method (Stasiun Bandung, November 2012)
Bulan Periode (X) Penjualan
(Yt) Ft Yt – Ft
Juni 1 7.268 - -
Juli 2 8.354 7.268 1.086
Agustus 3 8.186 8.354 168
September 4 8.071 8.186 115
Oktober 5 8.891 8.071 820
November 6 - 8.891 -
Jumlah 2.189
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
= 4 2189
25 ,
=547
n
| peramalan kesalahan
MSE |
∑
2=
4.4.3.1 Menghitung Peramalan pada Outlet Bandara Husein Sastranegara Bandung dengan Metode Linear Regression
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Bandara Husein Sastranegara Bandung untuk bulan November 2012 dengan metode Linear Regression dapat dilihat pada tabel dibawah ini.
Tabel 4.16 Hasil Perhitungan Manual dengan Metode Linear Regression (Bandara Husein Sastranegara Bandung November 2012)
Bulan Periode (X)
Penjualan
(Yt) X2 X.Y Ft Yt – Ft
Juni 1 2.062 1 2.062 2.449,8 387,8
Juli 2 3.657 4 7.314 3.105,6 551,4
Agustus 3 3.551 9 10.653 3.761,4 210,4
September 4 4.735 16 18.940 4.417,2 317,8
Oktober 5 4.802 25 24.010 5.073 271
Jumlah 15 18.807 55 62.979 1.738,4
Sumber : Hasil Pengolahan Data, (2012)
x
3 3 15 6
x = =
=
∑
4 , 761 . 5 3 807 . 18 6
y = =
=
∑
B = 55-(5).(3 ) .761,4) (5).(3).(3 -
62.979
2 = 655,8
a = - bx
= 3.761,4 – (655,8).( 3)
= 1794
Y6 = 1794 + ( 655,8).(6)
= 5.728,8
n
| peramalan -
aktual
= |
MAD
∑
= 5
1738,4
347,68
=
n
| peramalan kesalahan
MSE |
∑
2=
= 5
673.136,8
134.627,36
=
4.4.3.2 Menghitung Peramalan pada Outlet Bandara Husein Sastranegara Bandung dengan Metode Moving Average
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Bandara Husein Sastranegara Bandung untuk bulan November 2012 dengan metode Moving Average dapat dilihat pada tabel dibawah ini.
Tabel 4.17 Hasil Perhitungan Manual dengan Metode Moving Average (Bandara Husein Sastranegara Bandung, November 2012)
Bulan Periode (X) Penjualan
(Yt) Ft Yt – Ft
Juni 1 2.062 - -
Juli 2 3.657 - -
Agustus 3 3.551 - -
September 4 4.735 3.090 1.645
Oktober 5 4.802 3.981 821
November 6 - 4.362,67 -
Jumlah 2.466
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
= 2
2.466
1.233
=
n
| peramalan kesalahan
MSE |
∑
2=
= 2
3.380.066
1.690.033
=
4.4.3.3 Menghitung Peramalan pada Outlet Bandara Husein Sastranegara Bandung dengan Metode Weighted Moving Average
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Bandara Husein Sastranegara Bandung untuk bulan November 2012 dengan metode Weighted Moving Average dengan bobot 0,5, 0,3, 0,2 dapat dilihat pada tabel dibawah ini.
Tabel 4.18 Hasil Perhitungan Manual dengan Metode Weighted Moving Average (Bandara Husein Sastranegara Bandung, November 2012)
Bulan Periode (X) Penjualan
(Yt) Ft Yt – Ft
Juni 1 2.062 - -
Juli 2 3.657 - -
Agustus 3 3.551 - -
September 4 4.735 3.285 1.450
Oktober 5 4.802 4.164,2 637,8
November 6 - 4.531,7 -
Jumlah 2.087,8
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
= 2
2.087,8
1043,9
=
n
| peramalan kesalahan
MSE |
∑
2=
= 2
84 2.509.288,
42 1.254.644,
=
4.4.3.4 Menghitung Peramalan pada Outlet Bandara Husein Sastranegara Bandung dengan Metode Exponential Smoothing
Hasil perhitungan manual peramalan penjualan Roti’O pada outlet Bandara Husein Sastranegara Bandung untuk bulan November 2012 dengan metode Exponential Smoothing dengan Alpha 0,3 dapat dilihat pada tabel dibawah ini.
Tabel 4.19 Hasil Perhitungan Manual dengan Metode Exponential Smoothing (Bandara Husein Sastranegara Bandung, November 2012)
Bulan Periode (X) Penjualan
(Yt) Ft Yt – Ft
Juni 1 2.062 - -
Juli 2 3.657 2.062 1.595
Agustus 3 3.551 2.540,5 1.010,5
September 4 4.735 2.843,65 1.891,35
Oktober 5 4.802 3.411,06 1.390,94
November 6 - 3.828,34 -
Jumlah 5.887,79
Sumber : Hasil Pengolahan Data, (2012)
n
| peramalan -
aktual
= |
MAD
∑
= 4
5.887,79
1.471,95
=
n
| peramalan kesalahan
MSE |
∑
2=
= 4
156 9.077.054,
54 2.269.263,
=